CN114866979A - 一种无人机辅助的边缘计算时延最小化方法 - Google Patents
一种无人机辅助的边缘计算时延最小化方法 Download PDFInfo
- Publication number
- CN114866979A CN114866979A CN202210526799.2A CN202210526799A CN114866979A CN 114866979 A CN114866979 A CN 114866979A CN 202210526799 A CN202210526799 A CN 202210526799A CN 114866979 A CN114866979 A CN 114866979A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- node
- calculation
- time delay
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
- H04W28/0967—Quality of Service [QoS] parameters
- H04W28/0975—Quality of Service [QoS] parameters for reducing delays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种无人机辅助的边缘计算时延最小化方法,包括以下步骤:系统设置K个物联网节点,N架无人机,M个地面基站服务器;每个物联网设备产生一个计算任务Wk,每个任务可以卸载至无人机进行计算,也可以利用无人机为中继卸载至基站服务器进行计算;以最小化用时最多节点的任务的计算时延为优化目标,以无人机的位置、节点的卸载决策、无人机和服务器的计算资源分配策略、以及无人机和服务器的通信资源分配策略为优化变量,建立优化问题P的数学模型;利用K‑Means聚类算法和交叉迭代相结合的方法求解问题P。利用求得的方案部署于系统,达到最小化时延的目的。本发明能实现计算卸载时延最小化。
Description
技术领域
本发明属于5G网络计算卸载技术领域,尤其涉及一种无人机辅助的边缘计算时延最小化方法。
背景技术
边缘计算是5G网络的核心技术之一。边缘计算中边缘服务器的部署位置会严重影响到边缘计算的性能。将无人机应用于边缘计算场景使得服务更加灵活,能够更加适应目前多变的应用环境。由于无人机的能耗限制,其搭载能力与飞行时间有限,加强空地协作为物联网节点提供服务是十分必要的。针对地面节点不能直接连接到基站的复杂场景,采用携带有限计算资源的无人机,其既能充当服务器,又能充当中继将任务传输至计算能力更强大的基站服务器。对此种模型下节点的卸载策略、带宽和计算资源分配进行研究具有非常重要的意义。
发明内容
本发明要克服现有技术的上述缺点,提供一种无人机辅助的边缘计算时延最小化方法。
本发明利用无人机灵活部署的优势,设计了无人机辅助MEC系统计算卸载模型,考虑固定高度的无人机,联合优化无人机位置部署、节点的卸载决策、无人机和服务器的资源分配,实现最小化最大计算卸载时延的目标。
为了实现上述目的,一种无人机辅助的边缘计算时延最小化方法,包括如下步骤:
步骤1:设置具体应用场景。系统中设置K个物联网节点,N架无人机,M个地面基站服务器,其中D={d1,d2,…,dK}表示物联网节点的集合,U={u1,u2,…,uN}表示无人机的集合,A={a1,a2,…,aM}表示M个基站的集合。所有物联网节点和基站服务器都部署在地面上,物联网节点的位置用 表示,基站服务器的位置用表示。所有无人机均部署在同一高度H上,无人机的位置用表示。
步骤2:每个物联网设备产生一个计算任务Wk=(Ck,Fk),两个参数依次表示任务数据大小和处理一位任务数据所需CPU周期数。每个任务可以卸载至无人机进行计算,也可以利用无人机为中继卸载至基站服务器进行计算。用αk,n∈{0,1}表示节点dk是否选择无人机un进行卸载,1为选择,0为不选择,设定每个物联网节点只能选择到一架无人机,即用βk,m∈{0,1}表示节点dk的任务最终在哪个地面服务器或无人机完成计算,βk,0=1表示任务在无人机上计算,βk,m=1,m∈{1,2,…,M}表示在地面服务器am上计算,
步骤3:以最小化用时最多的节点dk上任务的计算时延为优化目标,以无人机的位置节点的卸载决策αk,n和βk,m、无人机和服务器的计算资源分配策略和以及无人机和服务器的通信资源分配策略和为优化变量,建立优化问题P的数学模型;
步骤4:利用K-Means聚类算法和交叉迭代相结合的方法求解步骤3中的问题P,得到上述步骤3中优化变量的值。
进一步地,步骤3中节点dk上任务的计算时延为:
其中,表示节点dk到无人机un的上行传输时延, 为上行传输速率,表示无人机un分配给节点dk的带宽资源,为发射功率,为上行信道增益,ρ0表示发射功率为1W参考距离为1m处的接收功率,表示上行链路的欧氏距离,σ2为噪声功率;表示任务Wk在无人机un的计算时延,表示无人机un分配给节点dk的计算资源;表示无人机un到地面基站am之间的下行链路传输延迟, 和分别表示无人机un的下行带宽和无人机的发射功率,为下行信道增益;为地面基站的计算时延,表示基站am分配给节点dk任务的计算资源。
再进一步地,所述步骤3中,问题P的限制条件为:
更进一步地,步骤4中利用K-Means聚类算法和交叉迭代相结合的方法求解步骤3的问题P的步骤为:
步骤4.2:每个节点选择距离最近的无人机进行卸载,初始化αk,n;
步骤4.3:遍历每个节点不同的卸载方案αk,n,βk,m;
本发明的有益效果主要表现在:本发明适用于无人机辅助的边缘计算场景,通过联合优化无人机位置部署、节点卸载策略、以及无人机与服务器的带宽与资源分配策略,实现计算卸载时延最小化的目标。
附图说明:
图1是本发明的无人机辅助的边缘计算模型示意图。
图2是本发明的K-Means的算法流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
结合图1、图2,一种无人机辅助的边缘计算时延最小化方法,所述方法包括如下步骤:
步骤1:设置具体应用场景,如图1。系统中设置K个物联网节点,N架无人机,M个地面基站服务器,其中D={d1,d2,…,dK}表示物联网节点的集合,U={u1,u2,…,uN}表示无人机的集合,A={a1,a2,…,aM}表示M个基站的集合。所有物联网节点和基站服务器都部署在地面上,物联网节点的位置用 表示,基站服务器的位置用表示。所有无人机均部署在同一高度H上,无人机的位置用表示。
步骤2:每个物联网设备产生一个计算任务Wk=(Ck,Fk),两个参数依次表示任务数据大小和处理一位任务数据所需CPU周期数。每个任务可以卸载至无人机进行计算,也可以利用无人机为中继卸载至基站服务器进行计算。用αk,n∈{0,1}表示节点dk是否选择无人机un进行卸载,1为选择,0为不选择,设定每个物联网节点只能选择到一架无人机,即用βk,m∈{0,1}表示节点dk的任务最终在哪个地面服务器或无人机完成计算,βk,0=1表示任务在无人机上计算,βk,m=1,m∈{1,2,…,M}表示在地面服务器am上计算,
步骤3:以最小化用时最多的节点dk上任务的计算时延为优化目标,以无人机的位置节点的卸载决策αk,n和βk,m、无人机和服务器的计算资源分配策略和以及无人机和服务器的通信资源分配策略和为优化变量,建立优化问题P的数学模型;
步骤4:利用K-Means聚类算法和交叉迭代相结合的方法求解步骤3中的问题P,得到上述步骤3中优化变量的值。
其中,表示节点dk到无人机un的上行传输时延, 为上行传输速率,表示无人机un分配给节点dk的带宽资源,为发射功率,为上行信道增益,ρ0表示发射功率为1W参考距离为1m处的接收功率,表示上行链路的欧氏距离,σ2为噪声功率;表示任务Wk在无人机un的计算时延,表示无人机un分配给节点dk的计算资源;表示无人机un到地面基站am之间的下行链路传输延迟, 和分别表示无人机un的下行带宽和无人机的发射功率,为下行信道增益;为地面基站的计算时延,表示基站am分配给节点dk任务的计算资源。
再进一步地,所述步骤3中,问题P的限制条件为:
这里表示无人机的最大计算资源,BUL表示无人机可分配的最大带宽,表示每个基站服务器可分配的最大带宽,表示每个基站服务器的最大计算资源。其中C1表示每个物联网节点只能选择到一架无人机,C2表示计算任务只能卸载到无人机或其中一个地面基站服务器上计算,C3表示无人机分配给节点任务的资源不能超过本身的最大计算资源,C4表示无人机分配给各节点的带宽不能超过本身接收的最大带宽,C5表示基站服务器分配给节点任务的资源不能超过本身的最大计算资源,C6表示无人机下行带宽不能超过服务器分配给它的最大带宽。
更进一步地,步骤4中利用K-Means聚类算法和交叉迭代相结合的方法求解步骤3的问题P的步骤为:
步骤4.2:每个节点选择距离最近的无人机进行卸载,初始化αk,n;
步骤4.3:遍历每个节点不同的卸载方案αk,n,βk,m;
针对如图1所示的K个物联网节点、N架无人机、M个地面基站服务器的应用场景来说明本发明的具体实施方案。
首先,设置K个物联网节点,N架无人机,M个地面基站服务器,所有物联网节点和基站服务器都部署在地面上,无人机均部署在同一高度H上;
其次,每个物联网设备产生一个计算任务Wk,每个任务可以卸载至无人机进行计算,也可以利用无人机为中继卸载至基站服务器进行计算;
然后,以最小化用时最多节点的任务的计算时延为优化目标,以无人机的位置、节点的卸载决策、无人机和服务器的计算资源分配策略、以及无人机和服务器的通信资源分配策略为优化变量,建立优化问题P的数学模型;
再然后,利用K-Means聚类算法和交叉迭代相结合的方法求解步骤3中的问题P;
最后,将求得的最佳方案部署于系统中。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (4)
1.一种无人机辅助的边缘计算时延最小化方法,其特征在于,包括如下步骤:
步骤1:设置具体应用场景;系统中设置K个物联网节点,N架无人机,M个地面基站服务器,其中D={d1,d2,…,dK}表示物联网节点的集合,U={u1,u2,…,uN}表示无人机的集合,A={a1,a2,…,aM}表示M个基站的集合;所有物联网节点和基站服务器都部署在地面上,物联网节点的位置用 表示,基站服务器的位置用表示;所有无人机均部署在同一高度H上,无人机的位置用表示;
步骤2:每个物联网设备产生一个计算任务Wk=(Ck,Fk),两个参数依次表示任务数据大小和处理一位任务数据所需CPU周期数;每个任务可以卸载至无人机进行计算,也可以利用无人机为中继卸载至基站服务器进行计算;用αk,n∈{0,1}表示节点dk是否选择无人机un进行卸载,1为选择,0为不选择,设定每个物联网节点只能选择到一架无人机,即用βk,m∈{0,1}表示节点dk的任务最终在哪个地面服务器或无人机完成计算,βk,0=1表示任务在无人机上计算,βk,m=1,m∈{1,2,…,M}表示在地面服务器am上计算,
步骤3:以最小化用时最多的节点dk上任务的计算时延为优化目标,以无人机的位置节点的卸载决策αk,n和βk,m、无人机和服务器的计算资源分配策略和以及无人机和服务器的通信资源分配策略和为优化变量,建立优化问题P的数学模型;
步骤4:利用K-Means聚类算法和交叉迭代相结合的方法求解步骤3中的问题P,得到上述步骤3中优化变量的值。
4.如权利要求1、2或3所述的一种无人机辅助的边缘计算时延最小化方法,其特征在于:步骤4中利用K-Means聚类算法和交叉迭代相结合的方法求解步骤3的问题P的步骤为:
步骤4.2:每个节点选择距离最近的无人机进行卸载,初始化αk,n;
步骤4.3:遍历每个节点不同的卸载方案αk,n,βk,m;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210526799.2A CN114866979A (zh) | 2022-05-16 | 2022-05-16 | 一种无人机辅助的边缘计算时延最小化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210526799.2A CN114866979A (zh) | 2022-05-16 | 2022-05-16 | 一种无人机辅助的边缘计算时延最小化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114866979A true CN114866979A (zh) | 2022-08-05 |
Family
ID=82638151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210526799.2A Pending CN114866979A (zh) | 2022-05-16 | 2022-05-16 | 一种无人机辅助的边缘计算时延最小化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114866979A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115827185A (zh) * | 2022-10-31 | 2023-03-21 | 中电信数智科技有限公司 | 6g空中基站结合北斗空中避障的方法、存储介质及设备 |
-
2022
- 2022-05-16 CN CN202210526799.2A patent/CN114866979A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115827185A (zh) * | 2022-10-31 | 2023-03-21 | 中电信数智科技有限公司 | 6g空中基站结合北斗空中避障的方法、存储介质及设备 |
CN115827185B (zh) * | 2022-10-31 | 2023-12-01 | 中电信数智科技有限公司 | 6g空中基站结合北斗空中避障的方法、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109413724B (zh) | 一种基于mec的任务卸载和资源分配方案 | |
CN110351760B (zh) | 一种移动边缘计算系统动态任务卸载及资源分配方法 | |
CN107995660B (zh) | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 | |
CN111930436B (zh) | 一种基于边缘计算的随机型任务排队卸载优化方法 | |
CN111132191B (zh) | 移动边缘计算服务器联合任务卸载、缓存及资源分配方法 | |
CN111372314A (zh) | 基于移动边缘计算场景下的任务卸载方法及任务卸载装置 | |
CN111757361B (zh) | 一种雾网络中基于无人机辅助的任务卸载方法 | |
CN114630397B (zh) | 一种基于时隙划分的无人机接入选择方法 | |
CN112105062A (zh) | 时敏条件下移动边缘计算网络能耗最小化策略方法 | |
CN110290542B (zh) | 海上无人机通信覆盖优化方法及系统 | |
CN114153515B (zh) | 一种基于5g毫米波通信的高速公路车联网任务卸载算法 | |
CN114363803B (zh) | 一种移动边缘计算网络节能的多任务分配方法及系统 | |
CN114866979A (zh) | 一种无人机辅助的边缘计算时延最小化方法 | |
CN113709728B (zh) | 一种基于noma及无人机辅助的两阶段移动边缘计算通信方法及系统 | |
CN113627013A (zh) | 基于无人机二元卸载边缘计算的系统吞吐量最大化方法 | |
CN114268966B (zh) | 一种无人机辅助mec网络低时延多任务分配方法及系统 | |
CN114979135B (zh) | 基于移动边缘计算的无人机飞行高度和任务分配控制方法 | |
CN116737391A (zh) | 一种联邦模式下基于混合策略的边缘计算协作方法 | |
CN116366127A (zh) | 无人机辅助多mec服务器的任务完成率最大化方法 | |
CN114928893B (zh) | 一种基于智能反射面的架构及任务卸载方法 | |
CN115118724A (zh) | 基于蚁群算法的多无人机辅助边缘计算系统部署优化方法 | |
CN117241296A (zh) | 一种基于动态计算窗口优化的通算资源调度方法 | |
CN116192228A (zh) | 空天地一体化网络下基于博弈论的任务卸载方法和系统 | |
CN117135690A (zh) | 基于节点分簇的无人机辅助mec能耗优化方法及系统 | |
CN117979364A (zh) | 一种基于强化学习的空地一体化网络资源优化方法及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |